针对多传感器管道缺陷检测数据融合精度不高的问题，提出了一种改进鸟群算法（IBSN）与加权正则化极限学习机（WRELM）相结合的多传感器检测管道缺陷数据融合方法。首先，利用电磁超声导波、漏磁以及涡流检测设备采集管道缺陷数据，将高斯核函数样本权重矩阵和正则化参数引入极限学习机中，建立WRELM数据融合模型；而后，通过引入混沌变量和高斯扰动、优化警惕行为以及改变飞行行为中步长因子来优化鸟群算法，采用IBSA优化WRELM输入层到隐含层的连接权值和隐含层的偏置；最后，利用多仪器检测管道缺陷数据融合平台进行实验分析。实验结果表明：采用IBSA-WRELM的多仪器检测管道缺陷数据融合模型的误差最小，仅为2.33%，有效提高了多仪器检测管道缺陷数据的融合精度。

在管道油气泄漏检测中最主要的难题是管道距离过长的问题, 利用传统检测模式效果不好。提出一种基于光纤技术的管道油气泄漏共轭梯度回声状态网络(ESN)检测方法。首先, 利用光纤探测技术对长距离油气管道的实时数据进行监测和采集, 并利用数据串联方式, 结合粗糙集算法对采集的泄露数据采样无标记数据的维度压缩方式, 实现数据的降维和简化；其次, 选取ESN对降维后的油气管道泄露数据进行分析和处理, 并基于正则化方式对ESN的权重进行初步的优化, 在此基础上利用Hessian矩阵的半正定性, 对初步的权重结果进行深入的学习优化, 实现ESN对油气管道泄露数据的识别能力；最后, 通过实测的数据仿真验证, 提出的油气管道的泄露监测模型具有更高的识别精度和计算效率。

我国油气管道线路漫长，常常需要穿越沼泽、沙漠、山岭和森林等 复杂区域或人口密集区域，因此存在巨大的安全隐患。为提高管道巡检水平，迫切需要引入 高新监测技术及手段。由于具有对地观测成像分辨率高、设备机动性 好、转场作业灵活以及便于紧急出动作业等优点，无人机遥感监测系统在油气管道巡检领域具有极大的应用 价值。分析了将无人机遥感监测用于油气管道巡检的可行性，介绍了无人机油 气管道遥感监测系统的监测内容、系统组成、数据处理成果和作业模式，并结合 西南和西北地区的成功案例介绍了相关的实际使用情况。